机床与液压

作者：石颉，葛俊杰，崔宪

单位：苏州科技大学电子与信息工程学院；苏州科技大学电子与信息工程学院；苏州科技大学电子与信息工程学院

关键词：故障诊断;深度学习;轻量化;EfficientNetV2

基金：国家自然科学基金项目（52477114）

针对传统感应电机故障诊断方法消耗算力大、训练速度慢的问题，提出一种基于深度学习的轻量化故障诊断模型——SC-EfficientNetV2。以EfficientNetV2-b0为主干网络，将网络的SE注意力模块替换为ECA注意力模块，通过1×1卷积替代SENET的全连接层以减少网络参数并提高对特征的提取能力;引入SCConv卷积，依赖其优化图像特征表达的特性来降低特征冗余;通过减少网络模块的重复次数以减少网络参数量，得到SC-EfficientNetV2网络。为验证模型性能，以太原理工大学公开感应电机数据集为实验对象，采用格拉姆角场对数据进行升维，使网络更容易学习数据中的特征。结果表明：与原网络相比，改进后模型体积减少12.49 MB，准确率达到99.03%，提升了1.97%；同时在另一公开永磁同步电机数据集中，网络精度达到99.95%，证明了所提改进措施的有效性。

来源：2026年第1期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第1期